自適應(yīng)遺傳算法的重力壩體型優(yōu)化施工研究

《自適應(yīng)遺傳算法的重力壩體型優(yōu)化施工研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。

1、自適應(yīng)遺傳算法的重力壩體型優(yōu)化施工研究【摘要】自適應(yīng)遺傳算法是這一種建立在自然法則規(guī)律上的優(yōu)化計算方法，此種方法的原理是自然界的優(yōu)勝劣汰，因此可以根據(jù)外部的條件約束而選擇“優(yōu)勢“因子成為計算結(jié)果。這對復(fù)雜條件下的重力壩體型優(yōu)化無疑有著現(xiàn)實的意義?！　　娟P(guān)鍵詞】自適應(yīng)遺傳算法；計算過程；優(yōu)化施工　　　　1自適應(yīng)遺傳算法在工程中的應(yīng)用　　在實際的工程設(shè)計中，由于一些技術(shù)性指標的計算和設(shè)計往往都有涉及到多元化的因素，因此多數(shù)設(shè)計的變量都是呈現(xiàn)離散狀態(tài)，也就是其設(shè)計參數(shù)和指標沒有固定的線性規(guī)律可言依循，只能去有限定條件的離散值進行設(shè)計，離散變量的結(jié)構(gòu)優(yōu)化屬于是X絡(luò)化問題，其求解也是

2、X絡(luò)化中較為困難的問題。遺傳算法的提出是利用自然界生物法則為基礎(chǔ)，利用生物化模擬自然界中的遺傳和進化而形成的概率性全局收斂型的計算方法。因為在工程中解決全局性優(yōu)化不完全依賴于模型特性和可并行性的高效率，所以這個方法成為了解決離散優(yōu)化問題時較為合理的算法?！　〗┠辏z傳算法在工程結(jié)構(gòu)優(yōu)化領(lǐng)域中得到了廣泛的重視和應(yīng)用，就是因為其對建筑工程中離散變量的結(jié)構(gòu)優(yōu)化應(yīng)用有著現(xiàn)實意義。遺傳算法依據(jù)的是自然法則，即適者生存、優(yōu)勝劣汰，這種規(guī)律使得不同的生物種群得到了進化和發(fā)展。遺傳算法的選擇、交叉、變異等計算因子的形成正是受到了自然法則的影響，而對生物繁衍、變異、競爭、選擇等進化機制的類

3、似和模擬。與傳統(tǒng)的優(yōu)化計算方法相比較，遺傳算法對處理對象的基本屬性沒用限定，具有很好的全局性能，依據(jù)適應(yīng)函數(shù)的值進行遺傳計算，不需要多余的信息資料，因而在模擬識別、系統(tǒng)控制等具有較好的實踐經(jīng)驗?！　?關(guān)于優(yōu)化設(shè)計的數(shù)學(xué)模擬　　在存在變量的設(shè)計優(yōu)化中，通常參與的函數(shù)包括了目標函數(shù)和約束函數(shù)，約束函數(shù)的作用是對達成目標的韓式進行條件上的約束，即要實現(xiàn)某個目標則必須以某種條件為約束。其中涉及到的數(shù)學(xué)參數(shù)有設(shè)計變量X，目標函數(shù)用F(X)表示，其變化方向為最大或者最小，而約束函數(shù)利用gj(X)表示，其值滿足gj(X)≤cj，其中j=1,2,3，…k?！　?如何實現(xiàn)自適應(yīng)遺傳計算　　通

4、過前面的表述，遺傳算法的機理是借助于遺傳和自然優(yōu)選，并以此得到優(yōu)化結(jié)果，同時在計算中將其所涵蓋的空間映射到遺傳空間，即將問題轉(zhuǎn)化為遺傳問題。這時每個可能的求解編碼即轉(zhuǎn)化為一個與染色體相似的數(shù)字串，所有的染色體組成的種群及時計算的基礎(chǔ)。對于重力壩體型優(yōu)化來說，遺傳算法可以解釋為，所及的種群（POP）組表征重力壩形體中可控的變量，這些序列中的變量可以利用前面提到的X來表示，從而形成一個以n個變量為量級的種群組，并將其作為進行優(yōu)化的母體，按照預(yù)先設(shè)定的目標，即目標函數(shù)來進行評價，種群中每個染色體的適應(yīng)度，根據(jù)對染色體的適應(yīng)度來進行選擇、交叉、變異等遺傳學(xué)操作，從而將低適應(yīng)度的元素

5、剔除，保留適應(yīng)性高的染色體，從而到了新的種群。這樣就可以完成一種收斂式的遺傳計算，從而得到重力壩的形體優(yōu)化?！　?.1對參數(shù)進行編碼組合　　為了使得計算更加簡單和可操作，因此應(yīng)對具體變量進行編碼。影響因素即為染色體的每個向量都是可以成為優(yōu)化設(shè)計中可控變量的真實值，公式如下：　?。╥=1,2,3，…，n）　　公式中的的各個變量就是實際中的控制參數(shù)，變量表示為xi，這個數(shù)值從最大到最小變化；而m為設(shè)計時控制的精度要求；Nrand則是一個小于m的隨機數(shù)。這樣就將整個變量歸納在一個編碼組中，方便計算。　　3.2優(yōu)化中的適應(yīng)函數(shù)　　遺傳算法是一個對個體進行優(yōu)勢評價的過程，適應(yīng)性的求解

6、是非負數(shù)的，因為必須適應(yīng)最低要求，而且體現(xiàn)出來的適應(yīng)性概率是最大值，因為需要優(yōu)勝劣汰。對與最小值的問題則需要理由目標函數(shù)和適應(yīng)度函數(shù)之間的轉(zhuǎn)換來實現(xiàn)。因此采用適應(yīng)度函數(shù)來衡量，具體如下：　　　　公式中的f(X)即表示為目標函數(shù)，c則是目標函數(shù)的界定值，為保守估計，同時c滿足大于0，同時cf(X)也大于0。但是遺傳算法的計算中通常只能計算沒有條件限制的問題，因此需要通過約束函數(shù)將其規(guī)則性問題轉(zhuǎn)換為無約束的問題，以此適應(yīng)算法。設(shè)計變量的結(jié)合約束在編碼的時候就應(yīng)當(dāng)予以考慮，如采用某種函數(shù)來進行處理，即利用滿足某種條件函數(shù)的參與將整個計算約束起來?！　?.3運算的實現(xiàn)　　3.3.1

7、交叉的計算　　交叉計算從遺傳角度看，就是尋找父本雙親已有但是沒有體現(xiàn)價值的遺傳基因。實數(shù)編碼采用的是交叉計算，即利用隨機的樣本進行線性組合形成兩個子代。計算中架設(shè)兩個父本進行交叉產(chǎn)生后代，其運算中的變量為隨機數(shù)?！　?.3.2變異的計算　　通過變異可以將新的基因?qū)氲椒N群中，遺傳保證種群的多樣性，這在某方面看就是利用計算將可變的影響因子導(dǎo)入到遺傳中，使得產(chǎn)生的收斂的結(jié)果更加的合理化。具體的方法是：設(shè)一個個體X的每個分量為Xi，i=0,1,2,3，…，n并以概率為1/n來變異。設(shè)對分量變化的Xk進行變異處理，其定義的